"Les facteurs wow : l’evaluation dans les disciplines mediatiques et de creation" Chapitre 9, Diane Leduc et Sebastien Beland (sous la direction), Regards sur l'évaluation des apprentissages en arts à l'enseigne; Presses de l'Université du Québec.
Bibliographic record
Abstract
Résumé CHAPITRE 9 Les facteurs wow : l’évaluation dans les disciplines médiatiques et de création49 Janey Gordon Ce chapitre suggère que, dans les médias appliqués et d’autres disciplines créatives, les facteurs wow ont une place légitime dans les critères d’évaluation, mais que même si la formation des étudiants est orientée vers les industries de la création, les enseignants doivent néanmoins veiller à l’intégration de ces facteurs.. Trois aspects distincts dans les procédures d’évaluation au sein de ces domaines sont présentés et les références qualitatives en vigueur au Royaume-Uni pour les disciplines artistiques sont examinées, les critères de référence en musique étant vus comme particulièrement inspirants. Trois pratiques sont proposées comme moyens d’inciter les étudiants à vivre dangereusement lors de leurs évaluations pratiques. Le chapitre conclut que les médias appliqués et autres domaines créatifs impliquent un certain nombre de compétences et de qualités qui requerront des procédures d’évaluation plus subtiles que des cases à cocher et des critères sommatifs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.030 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.014 | 0.021 |
| Scholarly communication | 0.021 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".